WorldGen

输入一句话，几秒生成完整 3D 场景，无需建模基础。

WorldGen 是一个基于 Python 的 3D 场景生成工具，能在几秒钟内从文本描述或简单输入生成任意 3D 场景。它解决了传统 3D 建模耗时费力、门槛高的问题，让用户无需专业建模技能即可快速创建虚拟环境。核心能力包括：文本到 3D 场景的快速转换、场景元素的自动布局与组合、支持多种场景风格（如室内、室外、科幻等）、以及可导出的标准 3D 格式（如 glTF、OBJ）。项目利用先进的生成模型和程序化建模技术，将复杂场景拆解为可复用的组件，实现高效生成。目前处于成长阶段，社区活跃，适合游戏开发、影视预演、虚拟现实等场景的快速原型设计。

开源 free 数字人3D

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2147

维护状态低维护

是否开源是

定价模式 free

项目数据

分类数字人3D

开发团队ZiYang-xie

所属国家

官网地址

GitHubhttps://github.com/ZiYang-xie/WorldGen

定价模式free

价格说明开源项目，Apache-2.0 许可证，可免费使用和部署，无在线服务。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型3d-generation,3d-reconstruction,generative-ai,graphics,image-to-3d,scene-generation,text-to-3d,worldgen,worldmodel

GitHub 星标★ 2147

30天Star增速

HF 下载量

上线时间2025-04-17 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数6

使用教程

难度：进阶约 30 分钟部署方式：库/依赖 7 步

环境要求

Python 3 环境与 pip3
带 GPU 支持的 PyTorch/torchvision（需 CUDA 环境）
可访问 GitHub 的网络（需拉取 DA-2、pytorch3d 等依赖）
已安装 git（用于克隆代码与安装依赖）

安装与启动步骤

1克隆项目代码

从 GitHub 拉取 WorldGen 仓库并进入项目根目录，后续 pip install . 必须在此目录执行。
```
git clone https://github.com/ZiYang-xie/WorldGen.git
cd WorldGen
```
2安装 GPU 版 PyTorch

README 要求安装带 GPU 支持的 torch 与 torchvision，请确认本机 CUDA 驱动正常。
```
pip3 install torch torchvision
```
3安装 WorldGen 本体

在项目根目录执行 pip install . 安装 worldgen 包，这是两行代码生成场景的前提。
```
pip install .
```
4安装 DA-2 深度估计

360 深度估计依赖，README 特别说明加 --no-deps 以避免依赖版本冲突。
```
pip install git+https://github.com/EnVision-Research/DA-2.git#subdirectory=src --no-deps
```
5安装 pytorch3d

安装 pytorch3d 及其依赖，README 要求加 --no-build-isolation 参数。
```
pip install git+https://github.com/facebookresearch/pytorch3d.git --no-build-isolation
```
6运行文本生成示例

用文本提示词生成 3D 场景，--return_mesh 返回网格；随后会启动本地 viser 服务。
```
python demo.py -p "A beautiful landscape with a river and mountains" --return_mesh
```
7安装可选扩展

ml-sharp 实验特性与背景修复 iopaint 均为可选，需要时再按需安装。
```
pip install -e submodules/ml-sharp
pip install iopaint --no-dependencies
```

如何确认成功

命令运行后本地 viser 服务会启动在 http://localhost:8080，用浏览器打开即可实时查看并 360° 探索生成的 3D 场景。

常见问题

Q：安装 DA-2 时报依赖版本冲突怎么办？

A：按 README 在命令末尾加上 --no-deps，跳过自动安装依赖，避免与已装包版本冲突。

Q：pytorch3d 编译安装失败怎么办？

A：确认使用 README 给出的 --no-build-isolation 参数，并保证 PyTorch 与 CUDA 已提前装好。

Q：可视化时网格显示异常或看不到背面怎么办？

A：README 提示需安装作者定制的 viser：pip install git+https://github.com/ZiYang-xie/viser.git，才能正确显示网格而不做背面剔除。

Q：必须安装 ml-sharp 和 iopaint 吗？

A：不是，二者都是可选功能：ml-sharp 为实验特性，iopaint 用于背景修复，只用基础生成功能可不装。

注意事项

安装命令建议按 README 顺序执行：先装 torch，再装 worldgen，然后装 DA-2 与 pytorch3d。
README 中定制版 viser 的安装命令是注释形式给出的，但说明中明确提示需要安装它才能正确可视化网格。
demo 脚本默认在本机 8080 端口启动 viser 服务，如被占用需先释放端口。
ml-sharp 与 iopaint 属于可选扩展，不影响基础的文本/图像生成场景功能。

核心亮点

生成速度极快，秒级产出完整场景，大幅提升原型效率
支持文本驱动，降低 3D 创作门槛，非专业人士也能上手
场景风格多样，覆盖室内、室外、科幻等常见需求

不足之处

生成场景的精细度和可控性可能不如手动建模
文档/社区待观察

适用场景

游戏开发中的快速场景原型设计
影视或动画制作的前期预演与概念可视化
虚拟现实和增强现实的内容快速生成

替代项目

3D-GPT、SceneScape、Text2Room

项目介绍

WorldGen 是数字人3D领域的开源项目，由 ZiYang-xie 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,147）位列前 30%，在数字人3D分类的 272 个项目里位列前 9%。

近 42 天，它的 GitHub 星标从 2,056 增加到 2,147，净增 91。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，可免费使用和部署，无在线服务。

它主要面向的使用场景是：游戏开发中的快速场景原型设计。同类可对比的替代方案包括 3D-GPT、SceneScape、Text2Room。

上一篇：PartCrafter

下一篇：MotionGPT